机构名称：
¥ 1.0
自闭症谱系障碍（ASD）是一种复杂的神经发育状况，其特征是社会沟通，重复行为和限制利益的挑战（美国精神病学协会，2013年）。早期和准确的诊断对于有效的干预至关重要，使患有ASD的人能够获得更好的发展结果和改善的生活质量。但是，通常依赖主观行为观察的传统诊断方法仍然是耗时且不一致的。这强调了迫切需要创新，可扩展和客观的诊断工具（Rasul等，2024； Jeyarani和Senthilkumar，2023）。机器学习（ML）已成为ASD诊断的一种变革性方法，具有分析大型，复杂数据集的能力并发现超过人类能力的模式。例如，已广泛利用眼神追踪技术来量化凝视行为，例如固定和扫视，以及自闭症的公认标记。采用深度学习的研究在基于眼睛跟踪数据的典型开发个体的ASD分类方面已经取得了很高的准确性（Jeyarani和Senthilkumar，2023; Alsharif等，2024）。这些技术进步为开发不仅有效，而且在不同种群中可能推广的工具提供了基础。此外，诸如将视线扫描路径转换为分类的视觉表示诸如诊断管道的方法，从而实现了传统上费力的过程的自动化（Carette等，2019）。此外，无监督的学习技术，包括眼球跟踪数据的聚类，已经证明了对可变性的独特见解的潜力
社论：使用机器学习技术改善自闭症谱系障碍诊断
主要关键词
相关文件推荐
